GLM-5.3 上线 Ollama Cloud：美欧托管、零留存，Flash 先行

2026 年 8 月 28 日 15:12（UTC），Ollama 官方 X 账号（认证企业号，粉丝约 18.1 万） GLM-5.3 上线 Ollama Cloud：模型托管于美国与欧洲、零数据留存（"Private. Fast. US and Europe hosted. No data retention."），先提供 GLM-5.3-Flash，GLM-5.3 随后逐步接入（"as we bring it GLM-5.3 online"）。推文同时给出 Claude Code、OpenCode、Hermes Agent 的一行接入命令，并称 API 端点同样可用，"还可以接入任何其他 harness/应用"。

截至发稿，这条推文获 480 余赞、约 4 万次查看，评论区有 40 余条回复。Ollama 在回复中补充：GLM-5.3-Flash 在周三（8 月 26 日）发布当天就已在云端可用；ollama.com 上 glm-5.3 的模型页也挂出了 glm-5.3:cloud 条目，分阶段上线正在推进。

三条命令和一个 :cloud 标签

接入方式是在模型名后加 :cloud 后缀：

ollama launch claude --model glm-5.3-flash:cloudollama launch opencode --model glm-5.3-flash:cloudollama launch hermes --model glm-5.3-flash:cloud

ollama launch claude --model glm-5.3-flash:cloudollama launch opencode --model glm-5.3-flash:cloudollama launch hermes --model glm-5.3-flash:cloud

Ollama 的写明，该模型"托管于美国与欧洲"，并称与 Ollama 云端所有其他模型一样，遵循 Ollama 隐私政策、零数据留存。给出了同一段说明。

页面上两个云端条目均已可见：glm-5.3-flash:cloud 为 Medium 用量档、1M 上下文、支持文本与图像输入，条目约两天前（8 月 26 日前后）上线；glm-5.3:cloud 为 High 用量档、1M 上下文、仅文本输入，条目在 8 月 28 日才出现，与"先 Flash、后 GLM-5.3"的节奏一致。

两天前，智谱刚把 Flash 开源

8 月 26 日，智谱宣布上线并开源 GLM-5.3-Flash。据，这是 GLM-5 系列首个原生多模态模型，总参数 320B、激活参数 18B；智谱称其常规定价约为 GLM-5.3 的十分之一，限时折扣期间约二十分之一，约为 Claude Opus 4.8 的四十分之一。

发布前，智谱以匿名模型 Ox-Alpha 在 OpenCode 和 OpenRouter 上大规模测试，中文社区称其为"牛来"。智谱称，测试期间 Ox-Alpha 成为当周两个平台上较受欢迎的模型之一并刷新调用量纪录，测试流量全部由国产芯片提供算力。

同一天 14:28（UTC），Ollama 官方账号发出："glm-5.3-flash 很快将在 Ollama 云端可用。"两天后正式宣布上线。Ollama 的模型页也记载了这段前史：发布前以 ox-alpha 匿名测试时，它"成为当周最受欢迎的模型"。

18B 激活的 Flash 与 753B 的旗舰

两个模型在云端的分工不同。按 Ollama 模型页介绍，GLM-5.3-Flash 是 Z.ai 在 GLM-5 系列中的首个原生多模态模型，320B 总参数中每次推理只激活 18B，在编码与智能体基准上逼近 Claude Opus 4.8，以约十分之一的成本跑赢 GLM-5.2；支持 1M 上下文、图像与视频输入，MIT 许可，推理强度可按 low/high/max 调节。

Z.ai 公布在模型页的基准中，Flash 在 DeepSWE v1.1 上 63.4 对 GLM-5.2 的 46.2，AutomationBench 上 48.8 对 26.2；在 Artificial Analysis 智能指数 v4.1.1 上以 57 分推进帕累托前沿，模型页配图中该点标注为 0.045 美元（discounted）。

GLM-5.3 是 753B 参数的旗舰。按 Z.ai 在模型页的说法，它与 GLM-5.2 共用基座、提升全部来自后训练，自家 Code Bench 提升 50%；Terminal-Bench 3.0 从 4.6 涨到 28.3，DeepSWE v1.1 从 46.2 涨到 66.9。模型页把两个模型都标注为面向 Claude Code、OpenCode、Hermes Agent 与 OpenClaw 的编码智能体模型。

150 tps 与「Incoming max plan」

官宣之后，Ollama 在评论区补充了几项具体口径。被问到生成速度时，官方账号："我们在 Ollama 云端测得 glm-5.3-flash 的 p50 约为 150 tps"，作为 flash 模型会追求更快，"这对专业场景的用户和企业尤其重要"。提问者是 Ashish（，简介自称 Whatfix 前高级工程师）。

有用户是否与 DeepSeek-V4-Flash 体验相同、以及更高的 max 档位，官方："flash 模型在 Ollama 云端跑得极快。Incoming max plan（max 计划即将到来）"。另一名用户Qwen 3.8 是否上云，官方"我们绝对在考虑"。面对"其实上线的是 5.3-flash 吧"的，Ollama ："GLM-5.3 正在上线！GLM-5.3-Flash 周三发布当天就已可用。"5.2 万粉丝、简介自称 Principal AI @ Microsoft 的 Mike Gannotti ："GLM5.3 Flash on Ollama is great!"（GLM5.3 Flash 在 Ollama 上很棒）。

「零留存」之外，数据还是离开了大楼

评论区对"美欧托管 + 零留存"的卖点看法不一。账号（@promptprobe，简介自称由 @bot 运营）说，从 Claude Code 和 OpenCode 里跑 GLM 而不把提示词送出去，"是真正重要的一点"；"美欧托管加零留存，是我会最先强调的卖点"。Ibesh Tech（）则点出另一层价值：本地跑不动 700B 以上的模型，一条命令就能把它换进 Claude Code、OpenCode 或 Hermes。

唱反调的声音同样存在。Aleksandar Janca（）写道："hosted with no retention is still the data leaving the building"（托管加零留存，数据依然离开了大楼），"大多数企业其实不会做这个决定"。用量是另一个追问点：The Kaz 称 GLM-5.3-Flash"消耗的月度用量比 GLM-5.2 更多"；PirateCoder（）提问，模型尺寸与 GLM-5.2 相同，为何用量是两倍多。中文用户 9h0st（）则建议，接入前先跑三类 smoke test：补丁最小化、工具调用 JSON、长上下文续写，"云端快不快要和失败重试成本一起看"。

回复区留下了关于用量与计价的提问；可核查的下一步已经发生：glm-5.3:cloud 挂上了模型目录，753B 旗舰的云端上线从目录里开始了。